51Nod 1701 最后的机会

本文介绍了一种算法,用于解决给定字符串中找到最长的好子串及其个数的问题。好子串定义为元音字母数量不超过辅音字母两倍的连续子串。通过计算元音字母的前缀和,并利用单调队列思想优化查找过程,文章提供了详细的代码实现。

1701 最后的机会

给定一字符串S,S非空,由小写字母组成,设v为S中元音字母的个数,c为辅音字母的个数。"a", "e", "i", "o", "u"为元音字母。其余为辅音字母。如果元音字母没有超过辅音字母的2倍,即v≤2c则称S是好的字符串。

现在给定S,找出其中最长的好的子串的长度,以及个数。子串是由原串中连续的几个字符组成的。

样例解释:

在样例一中,最长的子串是他的自身“abo”。其它好的子串是“b”,“ab”,“bo”,但是都不是最长的。

在样例二中,最长的子串是“eis”。其它好的子串是“s”,“is”,但是都不是最长的。

 

输入

单组测试数据。
共一行字符串S(S非空且长度不大于2*10^5),由小写字母组成。其中"a", "e", "i", "o", "u"为元音字母。其余为辅音字母。

输出

输出两个整数,以空格隔开,分别表示最长的好的子串的长度和以及个数。如果没有好的子串则输出 "No solution" (没有引号)。

两个子串出现的位置不一样则称为是不同的子串。如果同一个子串在不同位置出了多次,则要统计多次。

输入样例

样例一
abo
样例二
oeis

输出样例

输出一
3 1
输出二
3 1

分析

对于符合的任意一段子序列(长度为len),假设其元音字符的个数为sum, 则依题意有sum<=2*(len-sum);

假如求出了元音字符数量的前缀和sum[]. 具体一点,假设这个子序列的左右下标为 i 和 j ,则有:

sum[j]-sum[i-1]<=2*((j-i+1)-(sum[j]-sum[i-1])) , 移项得 3*sum[j]-2*j<=3*sum[i-1]-2*(i-1), 想到可以记录一个

数组存储3*sum[i]-2*i的值。我们要求的最大长度即是满足上式的距离最远的i和j,只需再开一个数组rmin

(右边的最小值),用单调的思想处理一下,枚举i然后二分查找j,更新最大长度。。。

代码如下:

#include<stdio.h>
#include<string.h>
#include<algorithm>
#include<iostream>
using namespace std;
bool ok(char c)
{
    return c=='a'||c=='e'||c=='i'||c=='o'||c=='u';
}
char s[200005];
int ans1,ans2;
int sum[200005];
int T[200005];
int rmin[200005];
int main()
{
    //freopen("in.txt","r",stdin);
    scanf("%s",s);

    int n=strlen(s);
    for(int i=1;i<=n;i++)
        if(ok(s[i-1]))sum[i]=sum[i-1]+1;
        else sum[i]=sum[i-1];

    for(int i=1;i<=n;i++)
        T[i]=3*sum[i]-2*i;

    int tmp=0x3f3f3f3f;
    for(int i=n;i>=1;i--)
    {
        tmp=min(tmp,T[i]);
        rmin[i]=tmp;
    }

    for(int i=1;i<=n;i++)
    {
        int v=3*sum[i-1]-2*(i-1);
        int j=upper_bound(rmin,rmin+1+n,v)-rmin; j--;
        if(i<=j){ans1=max(ans1,j-i+1);}
    }

    for(int i=1,j=i+ans1-1;j<=n;i++,j++)
    {
        if(3*sum[j]-3*sum[i-1]<=2*(j-i+1))ans2++;
    }

    if(ans1==0){printf("No solution\n");}
    else printf("%d %d\n",ans1,ans2);

    return 0;
}

 

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值